加州大学洛杉矶分校的Aydogan Ozcan研究团队提出了一种通用于相位和振幅信息的亚波长分辨率成像方法。该课题组通过全光机器学习系统进行衍射编码和解码，结合固体浸没来恢复与对象的亚波长特征对应的高频信息。通过3D打印制作紧凑一体化的衍射神经网络，该衍射成像体系在太赫兹波段首次实现亚波长相位信息的恢复，为实现小型化、低成本的多维光子信息处理及亚波长成像铺平了道路。

论文以“Subwavelength imaging using a solid-immersion diffractive optical processor”为题发表在eLight上。

加州大学的研究人员开发了一种新型智能化成像方法，用于捕捉远远小于传统光学系统限制的特征，该技术有望用于下一代生物成像、半导体加工和材料表征技术。

光学成像的分辨率传统上受到衍射极限的限制，难以观测包含亚波长特征（<λ/2）的目标。这种新型成像器通过光学衍射神经网络将固体浸没法与空间信息的衍射编码结合来解决这一瓶颈问题。

该器件工作原理为：来自物体的光首先通过高折射率介质与基于物理模型优化的衍射编码器相互作用，从而对超出传统衍射极限的高频信息进行编码。然后，该编码信息通过与编码层联合优化的多层衍射解码器接收并处理，最终生成物体的放大图像从而有效呈现亚波长特征。

这个成像系统及其空间结构作为编码器和解码器材料的一部分，是使用基于深度学习的优化设计的。由此产生的智能成像系统不仅结构设计高度紧凑，同时具有直接进行定量相位成像的优异性能，无需运行传统相位恢复算法，在处理速度与能耗上相对传统方法有巨大优势。

为验证该设计，该课题组使用3D打印技术加工了在太赫兹波段进行相位成像的衍射网络，并在实验中证明了其进行亚波长相位成像（分辨率可达λ/3.4）的能力。该实验同时表明该光学神经网络可以处理各种类型的物体的成像任务，且包括相位和幅度结构。

此外，这种新的成像体系可拓展到光谱的任意波段，通过物理上缩放衍射特征，成像器可以被设计成适用于不同的照明波长，而无需重新设计。

加州大学的研究人员表示，这种固体浸没衍射成像器由于其紧凑的尺寸、低成本的特性以及捕捉亚波长特征的优异性能，将在生物成像、传感和材料检测方面有重大应用前景。（来源：中国光学微信公众号）

图1：高分辨相位成像衍射神经网络的结构示意图

图2：衍射编码通过调控频域实现亚波长信息传输的原理

相关论文信息：https://doi.org/10.1186/s43593-024-00067-5